我是机器学习的新手，并且正在使用Keras中的LSTM执行多变量时间序列预测。我有一个每月时间序列数据集，其中包含4个输入变量（温度，降水，露水和wind_spreed）和1个输出变量（污染）。利用这些数据，我得出了一个预测问题，考虑到前几个月的天气条件和污染，我预测了下个月的污染。下面是我的代码 X = df[['Temperature', 'Precipitation', 'Dew', 'Wind_speed' ,'Pollution (t_1)']].values y = df['Pollution ...

出于好奇，我将具有单个时间步长的堆叠LSTM神经网络与具有tanh激活功能的MLP进行了比较，认为它们的性能相同。 用于比较的体系结构如下，它们在回归问题的相同数据集（损失函数为MSE）上进行训练： model.add(Dense(50, input_dim=num_features, activation = 'tanh')) model.add(Dense(100, activation = 'tanh')) model.add(Dense(150, activation = '...

I want to train a LSTM model using Keras but when I try to compile the model I get this error : "Using a tf.Tensor as a Python bool is not allowed. Use if t is not None: instead of if t: to test if a tensor is defined, and use TensorFlow ops such as tf.con...

我一直在尝试使用张量流keras创建LSTM RNN，以便仅基于Datetime和lat / long来预测某人是否在驾驶（二进制分类）。但是，当我训练网络时，损耗和val_loss并没有真正改变。 我将经纬度转换为介于-1和1之间的x，y，z坐标。我还使用Datetime提取了是否是周末以及它是一天中的哪个时段（上午/下午/晚上）。 这是数据示例（格式有点奇怪）： trip_id weekday period_of_day x y z ...

我已经实现了简单的LSTM以及GRU网络来进行时间序列预测： def LSTM1(T0, tau0, tau1, optimizer, y0): model = Sequential() model.add(Input(shape=(T0,tau0), dtype="float32", name="Input")) model.add(LSTM(units=tau1, activation="tanh", recurrent_activation="tanh"...

我正在尝试使用Keras对单变量时间序列进行预测。 NN模型看起来像 Model: "sequential" _________________________________________________________________ Layer (type) Output Shape Param # ================================================================= con...

我的任务是使用LSTM从3个传感器预测房间入住率（1,2）。请参阅以下数据作为示例： data import pandas as pd from keras.models import Sequential from keras.layers import Dense from keras.layers import LSTM from sklearn.model_selection import train_test_split import numpy as np import matplotlib.p...

我想用keras.backend为LSTM的最后一个密集度编写一个自定义激活函数，如下所示： def customactivation(x): if x <= 0.5: return 0 else : return 1 model.add(Dense(1, activation=customactivation)) 我该怎么办？